سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه های سنگی با استفاده از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی

Publish Year: 1396
Type: Journal paper
Language: Persian
View: 97

This Paper With 12 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_ANM-7-13_006

Index date: 10 December 2024

پیش بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه های سنگی با استفاده از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی abstract

امروزه عملیات حفاری انحرافی به طور گسترده ای در انواع شرایط زمین شناسی به کار می رود، اما استفاده بهینه از این فناوری در شرایط سنگی و سخت به دانش و تجربه بالای مهندسی نیاز دارد. مقدار گشتاور چرخشی یکی از پارامترهای بسیار مهمی است که باید برای انجام عملیات حفاری انحرافی پیش بینی شود. در این پژوهش جهت ارائه راهکار جدید برای پیش بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه های سنگی از روش ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی استفاده شده است. درواقع برای بهینه سازی وزن های شبکه عصبی مصنوعی و بالا بردن توانایی های شبکه از الگوریتم مبتنی بر جغرافیای زیستی بهره گرفته شده است. هم چنین از نیروی محوری، سرعت چرخش مته، طول رشته حفاری، تغییر زاویه کلی گمانه، قطر iامین برقو، سرعت جریان گل و ویسکوزیته گل حفاری به عنوان پارامترهای ورودی مدل برای پیش بینی گشتاور چرخشی استفاده شده است. برای ارزیابی توانایی مدل در پیش بینی گشتاور چرخشی، از داده های پروژه انتقال گاز طبیعی غرب به شرق چین استفاده شده است. تعداد کل داده ها در این پروژه ۸۴ داده است که از این تعداد به طور تصادفی، ۷۵ درصد داده ها برای آموزش مدل و ۲۵ درصد داده ها برای آزمون مدل استفاده شده است. نتایج حاصل از این مطالعه بیانگر آن است که مدل پیشنهادی می تواند به عنوان یک ابزار قدرتمند برای مدلسازی مسائل حفاری انحرافی مورد استفاده قرار گیرد.

پیش بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه های سنگی با استفاده از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی Keywords:

حفاری انحرافی , گشتاور چرخشی , شبکه عصبی مصنوعی , الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی

پیش بینی گشتاور چرخشی موردنیاز برای انجام عملیات حفاری انحرافی در لایه های سنگی با استفاده از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی authors

Hadi Fattahi

دانشکده مهندسی معدن، دانشگاه صنعتی اراک

Zohre Bayatzade

دانشکده مهندسی معدن، دانشگاه صنعتی اراک

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
. Ariaratnam ST, Harbin BC, Stauber RL. ۲۰۰۷. Modeling of ...
. Hair JD. ۱۹۸۹. River crossing technology. Pipeline & Gas ...
. Allouche EN. ۲۰۰۱. Implementing quality control in HDD projects—a ...
. Najafi M. , ۲۰۰۵, Trenchless technology: pipeline and utility ...
. David A. , ۲۰۰۵, Horizontal Directional Drilling–Utility and Pipeline ...
. Bennett D, Ariaratnam ST, Consortium H. , ۲۰۰۸, Horizontal ...
. Lesso W, Chau M, Lesso W., ۱۹۹۹, Quantifying bottomhole ...
. Polak MA, Lasheen A. ۲۰۰۱. Mechanical modelling for pipes ...
. Cheng E, Polak MA. ۲۰۰۷. Theoretical model for calculating ...
. Ma B, Najafi M. ۲۰۰۸. Development and applications of ...
. Lan H, Ma B, Shu B, Wu Z. ۲۰۱۱. ...
. Maidla EE, Wojtanowicz AK. ۱۹۸۸. A field method for ...
. Niżnik D, Gonet A. ۲۰۰۷. Identification of rotational torque ...
. Kecman V. , ۲۰۰۱, Learning and soft computing: support ...
. Rigol-Sanchez J, Chica-Olmo M, Abarca-Hernandez F. ۲۰۰۳. Artificial neural ...
. Brown WM, Gedeon T, Groves D, Barnes R. ۲۰۰۰. ...
. Van der Baan M, Jutten C. ۲۰۰۰. Neural networks ...
. Stange W. ۱۹۹۳. Using artificial neural networks for the ...
. Fattahi H. ۲۰۱۶. Application of improved support vector regression ...
. Fattahi H. ۲۰۱۶. Indirect estimation of deformation modulus of ...
. Fattahi H. ۲۰۱۶. A hybrid support vector regression with ...
. Irani R, Nasimi R. ۲۰۱۱. Application of artificial bee ...
. Aryafar A, Gholami R, Rooki R, Ardejani FD. ۲۰۱۲. ...
. Mohammadi L, Meech JA. ۲۰۱۳. AFRA–Heuristic expert system to ...
. Pourjabbar A, Sârbu C, Kostarelos K, Einax J, Büchel ...
. Mitchell TM. Machine learning. WCB. McGraw-Hill Boston, MA:, ۱۹۹۷ ...
. Betrie GD, Sadiq R, Morin KA, Tesfamariam S. ۲۰۱۴. ...
. Dmuth H, Beale M. ۲۰۰۰. Neural Network Toolbox for ...
. Thomas G, Wilmot T, Szatmary S, Simon D, Smith ...
. Bazdar H, Fattahi H, Ghadimi F. Hybrid ANN with ...
. Shen C, Wang L, Li Q. ۲۰۰۷. Optimization of ...
. Sivagaminathan RK, Ramakrishnan S. ۲۰۰۷. A hybrid approach for ...
. Mirjalili S, Hashim SZM, Sardroudi HM. ۲۰۱۲. Training feedforward ...
. Simon D. ۲۰۰۸. Biogeography-based optimization. Evolutionary Computation, IEEE Transactions ...
. Simon D. ۲۰۱۱. A probabilistic analysis of a simplified ...
. Sinha A, Das S, Panigrahi BK. ۲۰۱۱. A linear ...
. Simon D, Ergezer M, Du D, Rarick R. ۲۰۱۱. ...
. Simon D. ۲۰۱۱. A dynamic system model of biogeography-based ...
. Simon D, Omran MG, Clerc M. ۲۰۱۴. Linearized biogeography-based ...
. Guo W, Chen M, Wang L, Ge S, Wu ...
. Guo W, Wang L, Wu Q. ۲۰۱۴. An analysis ...
. Ma H. ۲۰۱۰. An analysis of the equilibrium of ...
. MacArthur R, Wilson E. ۱۹۶۷. The theory of biogeography. ...
. Ma H, Simon D, Fei M. ۲۰۱۴. On the ...
. Guo W, Wang L, Wu Q, Ge SS, Ren ...
. Gong W, Cai Z, Ling CX, Li H. ۲۰۱۰. ...
. Ma H, Simon D. ۲۰۱۱. Analysis of migration models ...
نمایش کامل مراجع